CN112261402B - 图像检测方法与系统以及摄像头遮挡监控方法与系统 - Google Patents

Abstract

本发明公开了一种图像检测方法与系统以及摄像头遮挡监控方法与系统。其中，无参考图像检测方法，用于检测摄像头是否被遮挡，包括：获取所述摄像头采集到的待检图像的梯度分布；判断所述梯度分布是否集中；若是，则确定所述摄像头被遮挡。本发明采用梯度分布来作为待检图像特征分析的指标，其中，梯度分布能够选择合适的阈值，从而能够在摄像头被遮挡时做出准确判断，此外，梯度分布对实际应用场景的适用性、可移植性较强，不容易发生误判。

Description

图像检测方法与系统以及摄像头遮挡监控方法与系统

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像检测方法与系统以及摄像头遮挡监控方法与系统。

背景技术

为全面提升道路运输安全科技保障水平，并有效遏制和减少重特大事故的发生，相关部门已经决定将智能视频监控报警技术逐步应用于道路客货运输领域，以期通过智能监控设备自动识别和实时提醒纠正驾驶员不安全的驾驶行为。

智能监控设备有效工作的基础在于，监控摄像设备能够实时采集到驾驶员的图像信息，从而智能监控设备能够对驾驶员的状态进行分析判断。然而在实际情况中，由于某些人为或非人为的原因，监控摄像设备可能会被遮挡，使得智能监控设备无法进行有效监控。因此对有助于监控中心第一时间发现问题的监控摄像设备是否处于遮挡状态做出实时、准确的判断非常重要。

现有方案大多通过对监控摄像设备采集到的图像进行特征分析来实现，并且，现有方案中特征分析的指标主要为图像的梯度强度、图像的整体亮度或者图像的直方图信息等。但是，现有方案中使用的这些指标难以选择合适的阈值，从而难以做出准确地判断，此外，现有技术中使用的这些指标的参数调试难度较大并且对实际应用场景的适应性较差，使得在实际应用场景与调试场景差异较大时，容易发生误判。

如此，容易使得应用在对预警准确率具有较高要求的车载智能监控设备有些不太可靠，具体地，如果不能准确检测出遮挡状态，会给驾驶安全带来隐患。但是，错误检测和频繁预警又会给驾驶员带来干扰，影响注意力和情绪，进而影响驾驶安全。

发明内容

本发明要解决的技术问题是为了克服现有技术中难以对摄像头的遮挡状态进行准确检测的缺陷，提供一种图像检测方法与系统以及摄像头遮挡监控方法与系统。

本发明是通过下述技术方案来解决上述技术问题：

一种无参考图像检测方法，用于检测摄像头是否被遮挡，所述无参考图像检测方法包括：

获取所述摄像头采集到的待检图像的梯度分布；

判断所述梯度分布是否集中；

若是，则确定所述摄像头被遮挡。

较佳地，所述获取所述摄像头采集到的待检图像的梯度分布的步骤包括：

提取所述待检图像的梯度；

确定所述梯度的离散程度；

所述判断所述梯度分布是否集中的步骤包括：

判断所述离散程度是否小于第一阈值；

若是，则确定所述梯度分布集中。

较佳地，在所述判断所述梯度分布是否集中的步骤判断为否时，所述无参考图像检测方法还包括：

将所述待检图像分割为多个分割子图；

获取所述待检图像与所述分割子图对应的中心子图；

分别计算多个所述分割子图与所述中心子图的第一相关性指标；

计算多个所述第一相关性指标的平均值；

判断所述平均值是否大于第二阈值；

若是，则执行所述确定所述摄像头被遮挡的步骤。

较佳地，所述分别计算多个所述分割子图与所述中心子图的第一相关性指标的步骤包括：

对多个所述分割子图以及所述中心子图进行投影；

分别计算经投影后的多个所述分割子图与经投影后的所述中心子图的第一相关性指标；

和/或，

在所述判断所述平均值是否大于第二阈值的步骤判断为是时，所述无参考图像检测方法还包括：

统计所述待检图像中处于过曝状态的像素点的第一数量；

统计所述待检图像中所有像素点的第二数量；

判断所述第一数量与第二数量的比值是否小于第三阈值；

若是，则执行所述确定所述摄像头被遮挡的步骤；

若否，则确定所述摄像头未被遮挡；

和/或，

在所述判断所述平均值是否大于第二阈值的步骤判断为否时，所述无参考图像检测方法还包括：

确定所述摄像头未被遮挡；

和/或，

所述第一相关性指标包括归一化互相关。

较佳地，所述获取所述摄像头采集到的待检图像的梯度分布的步骤包括：

对所述摄像头采集到的待检图像进行预处理，所述预处理包括灰度化、降采样以及滤波中的至少一种；

获取经预处理的所述待检图像的梯度分布；

和/或，

在所述判断所述梯度分布是否集中的步骤判断为否时，所述无参考图像检测方法还包括：

判断所述梯度分布是否广泛；

若是，则确定所述摄像头未被遮挡。

一种图像检测方法，用于检测摄像头是否被遮挡，所述图像检测方法包括：

获取所述摄像头采集到的待检图像的目标识别结果，所述目标识别结果包括有目标；

判断所述目标识别结果是否为有目标；

若是，则确定所述摄像头未被遮挡；

若否，则执行上述任一种无参考图像检测方法。

一种图像检测方法，用于检测摄像头是否被遮挡，所述图像检测方法包括：

获取所述摄像头采集到的参考图像以及所述参考图像的图像特征；

获取所述摄像头采集到的待检图像以及所述待检图像的图像特征；

基于所述图像特征计算所述参考图像与所述待检图像的第二相关性指标；

判断所述第二相关性指标是否小于第四阈值；

若是，则执行上述任一种无参考图像检测方法；

若否，则确定所述摄像头未被遮挡。

较佳地，所述图像特征包括直方图、垂直投影、水平投影中的至少一种；

和/或，

在所述获取所述摄像头采集到的参考图像以及所述参考图像的图像特征的步骤之前还包括：

获取待检图像的目标识别结果，所述目标识别结果包括有目标；

判断所述目标识别结果是否为有目标；

若是，则执行所述确定所述摄像头未被遮挡的步骤；

若否，则执行所述获取所述摄像头采集到的参考图像以及所述参考图像的图像特征的步骤。

一种摄像头遮挡监控方法，所述摄像头遮挡监控方法利用上述任一种无参考图像检测方法实现，或者利用上述任一种图像检测方法实现，所述摄像头遮挡监控方法包括：

在确定摄像头被遮挡时，发出预警信号。

一种无参考图像检测系统，用于检测摄像头是否被遮挡，所述无参考图像检测系统包括：

第一获取模块，用于获取所述摄像头采集到的待检图像的梯度分布；

第一判断模块，用于判断所述梯度分布是否集中；

若是，则调用第一确定模块，用于确定所述摄像头被遮挡。

较佳地，所述第一获取模块包括：

提取单元，用于提取所述待检图像的梯度；

确定单元，用于确定所述梯度的离散程度；

所述第一判断模块包括：

判断单元，用于判断所述离散程度是否小于第一阈值；

若是，则调用确定单元，用于确定所述梯度分布集中。

较佳地，所述无参考图像检测系统还包括：

分割模块，用于在所述第一判断模块判断为否时，将所述待检图像分割为多个分割子图；

第二获取模块，用于获取所述待检图像与所述分割子图对应的中心子图；

第一计算模块，用于分别计算多个所述分割子图与所述中心子图的第一相关性指标；

第二计算模块，用于计算多个所述第一相关性指标的平均值；

第二判断模块，用于判断所述平均值是否大于第二阈值；

若是，则调用所述第一确定模块。

较佳地，所述第一计算模块包括：

投影单元，用于对多个所述分割子图以及所述中心子图进行投影；

计算单元，用于分别计算经投影后的多个所述分割子图与经投影后的所述中心子图的第一相关性指标；

和/或，

所述无参考图像检测系统还包括：

第一统计模块，用于在所述第二判断模块判断为是时，统计所述待检图像中处于过曝状态的像素点的第一数量；

第二统计模块，用于在所述第二判断模块判断为是时，统计所述待检图像中所有像素点的第二数量；

第三判断模块，用于判断所述第一数量与第二数量的比值是否小于第三阈值；

若是，则调用所述第一确定模块；

若否，则调用第二确定模块，用于确定所述摄像头未被遮挡；

和/或，

所述无参考图像检测系统还包括：

第二确定模块，用于在所述第二判断模块判断为否时，确定所述摄像头未被遮挡；

和/或，

所述第一相关性指标包括归一化互相关。

较佳地，所述第一获取模块包括：

预处理单元，用于对所述摄像头采集到的待检图像进行预处理，所述预处理包括灰度化、降采样以及滤波中的至少一种；

获取单元，用于获取经预处理的所述待检图像的梯度分布；

和/或，

所述无参考图像检测系统还包括：

第四判断模块，用于在所述第一判断模块判断为否时，判断所述梯度分布是否广泛；

若是，则调用第二确定模块，用于确定所述摄像头未被遮挡。

一种图像检测系统，用于检测摄像头是否被遮挡，所述图像检测系统包括：

第三获取模块，用于获取所述摄像头采集到的待检图像的目标识别结果，所述目标识别结果包括有目标；

第五判断模块，用于判断所述目标识别结果是否为有目标；

若是，则调用第三确定模块，用于确定所述摄像头未被遮挡；

若否，则调用上述任一种无参考图像检测系统。

一种图像检测系统，用于检测摄像头是否被遮挡，所述图像检测系统包括：

第四获取模块，用于获取所述摄像头采集到的参考图像以及所述参考图像的图像特征；

第五获取模块，用于获取所述摄像头采集到的待检图像以及所述待检图像的图像特征；

第三计算模块，用于基于所述图像特征计算所述参考图像与所述待检图像的第二相关性指标；

第六判断模块，用于判断所述第二相关性指标是否小于第四阈值；

若是，则调用上述任一种无参考图像检测系统；

若否，则调用第四确定模块，用于确定所述摄像头未被遮挡。

较佳地，所述图像特征包括直方图、垂直投影、水平投影中的至少一种；

和/或，

所述图像检测系统还包括：

第六获取模块，用于获取待检图像的目标识别结果，所述目标识别结果包括有目标；

第七判断模块，用于判断所述目标识别结果是否为有目标；

若是，则调用所述第四确定模块；

若否，则调用所述第四获取模块。

一种摄像头遮挡监控系统，所述摄像头遮挡监控系统利用上述任一种无参考图像检测系统实现，或者利用上述任一种图像检测系统实现，所述摄像头遮挡监控系统包括：

预警模块，用于在确定摄像头被遮挡时，发出预警信号。

一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其所述处理器执行所述计算机程序时实现上述任一种无参考图像检测方法，或者，上述任一种图像检测方法，或者，上述任一种摄像头遮挡监控方法。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种无参考图像检测方法的步骤，或者，上述任一种图像检测方法的步骤，或者，上述任一种摄像头遮挡监控方法的步骤。

本发明的积极进步效果在于：本发明采用梯度分布来作为待检图像特征分析的指标，其中，梯度分布能够选择合适的阈值，从而能够在摄像头被遮挡时做出准确判断，此外，梯度分布对实际应用场景的适用性、可移植性较强，不容易发生误判。

附图说明

图1为根据本发明实施例1的一种无参考图像检测方法的流程图。

图2为根据本发明实施例1的一种无参考图像检测方法中步骤S101的流程图。

图3为根据本发明实施例1的一种无参考图像检测方法的具体流程图。

图4为根据本发明实施例2的一种无参考图像检测方法的流程图。

图5为根据本发明实施例2的一种无参考图像检测方法中步骤S104的流程图。

图6为根据本发明实施例3的一种无参考图像检测方法的流程图。

图7为根据本发明实施例4的一种图像检测方法的部分流程图。

图8为根据本发明实施例5的一种图像检测方法的部分流程图。

图9为根据本发明实施例6的一种图像检测方法的部分流程图。

图10为根据本发明实施例8的一种无参考图像检测系统的模块示意图。

图11为根据本发明实施例9的一种无参考图像检测系统的模块示意图。

图12为根据本发明实施例10的一种无参考图像检测系统的模块示意图。

图13为根据本发明实施例11的一种图像检测系统的模块示意图。

图14为根据本发明实施例12的一种图像检测系统的模块示意图。

图15为根据本发明实施例13的一种图像检测系统的模块示意图。

图16为根据本发明实施例15的电子设备的结构示意图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

实施例1

本实施例提供一种无参考图像检测方法，用于检测摄像头是否被遮挡，参照图1，本实施例的无参考图像检测方法包括：

S101、获取摄像头采集到的待检图像的梯度分布；

S102、判断梯度分布是否集中；

若是，则执行步骤S103；

S103、确定摄像头被遮挡。

参照图2，在本实施例中，为了提高图像检测速度与效果，步骤S101具体可以包括：

S1011、对摄像头采集到的待检图像进行预处理；

S1012、获取经预处理的待检图像的梯度分布。

在本实施例中，预处理可以包括灰度化、降采样以及滤波中的至少一种。作为一种优选的实现方式，预处理可以同时包括对待检图像的灰度化、降采样以及滤波。具体地，可以首先将摄像头采集到的待检图像转化为灰度图像；继而对灰度图像进行降采样处理，以提高图像处理速度，减少资源占用，其中，水平降采样因子和垂直降采样因子可以根据实际应用自定义设置，例如，可以均取值为2；最后，可以对经降采样的灰度图像进行滤波处理，以降低噪声对后续计算的干扰，其中，具体滤波处理方式可以根据实际应用自定义设置，例如，在本实施例中可以采用高斯降噪，更具体地，可以选用3*3的高斯核，并将sigma设置为4.0。

参照图3，在本实施例中，步骤S1012可以包括：

S10121、提取待检图像的梯度；

S10122、确定梯度的离散程度。

步骤S102可以包括：

S1021、判断离散程度是否小于第一阈值；

若是，则执行步骤S1022；

S1022、确定梯度分布集中。

在本实施例中，可以使用scharr算子来计算待检图像的梯度。进一步地，在本实施例中，还可以对梯度计算结果进行弱梯度值过滤，具体地，可以通过将步骤S10121计算得到的梯度除以参数N的方式进行弱梯度值过滤，其中，参数N可以根据实际应用自定义设置，例如，在本实施例中，参数N优选取值为16(经测试验证，参数N取值为16时可以取得较佳效果)。

在本实施例中，可以根据实际应用自定义设置用于表示离散程度的指标以及对应的第一阈值，例如，可以采用标准差、方差等指标来表示离散程度。具体地，在本实施例中，优选采用标准差来表示离散程度，此时，第一阈值优选取值为1.6(经测试验证，第一阈值取值为1.6时可以取得较佳效果)，应当理解，本实施例并不旨在对离散程度的具体表示方式以及第一阈值的取值进行限制。

在本实施例中，在离散程度小于第一阈值时，可以说明待检图像的梯度分布比较集中，属于遮挡场景的概率较高，于是，可以确定摄像头被遮挡。

本实施例采用梯度分布来作为待检图像特征分析的指标，其中，梯度分布能够选择合适的阈值，从而能够在摄像头被遮挡时做出准确、可靠判断，此外，梯度分布对实际应用场景的适用性、可移植性较强，不容易发生误判。

实施例2

在实施例1的基础上，本实施例提供一种无参考图像检测方法，参照图4，本实施例在步骤S102判断为否时还包括：

S104、判断梯度分布是否广泛；

若是，则执行步骤S105；

S105、确定摄像头未被遮挡。

参照图5，本实施例步骤S104具体可以包括：

S1041、判断离散程度是否大于第五阈值；

若是，则执行步骤S1042；

S1042、确定梯度分布广泛。

在实施例1采用标准差来表示梯度的离散程度的基础上，第五阈值优选取值为4.5(经测试验证，第五阈值取值为4.5时可以取得较佳效果)，应当理解，本实施例并不旨在对第五阈值的取值进行限制。在本实施例中，在离散程度大于第五阈值时，可以说明待检图像的梯度分布比较广泛，属于未遮挡场景，也即，正常场景的概率较高，于是，可以确定摄像头未被遮挡。

参照图4，本实施例在步骤S104判断为否时，也即，待检图像的梯度分布介于集中与广泛之间时，还包括：

S106、将待检图像分割为多个分割子图；

S107、获取待检图像与分割子图对应的中心子图；

S108、分别计算多个分割子图与中心子图的第一相关性指标；

S109、计算多个第一相关性指标的平均值；

S110、判断平均值是否大于第二阈值；

若是，则执行步骤S103；

若否，则执行步骤S105。

在本实施例中，可以根据实际应用自定义设置待检图像的分割方式。例如，在本实施例中，优选将待检图像分割为四个子图，具体地，将经预处理的待检图像的宽设为w，高设为h，有四个分割子图的起点坐标分别为(0，0)、(0，w/2)、(w/2，0)和(w/2，h/2)，其中，每个分割子图的宽为w/2，高为h/2，有中心子图的起点坐标为(w/4，h/4)，中心子图的宽为w/2，高为h/2。应当理解，分割子图以及中心子图的具体参数由经预处理的待检图像确定。

本实施例中步骤S108具体可以包括对多个分割子图以及中心子图进行投影的步骤，其中，投影具体可以实现为水平投影/垂直投影。此外，本实施例中步骤S108还可以包括分别计算经投影后的多个分割子图与经投影后的中心子图的第一相关性指标的步骤，其中，第一相关性指标优选采用归一化互相关，应当理解，本实施例也可以采用其他能够表示图像相关性/相似性的指标，本实施例并不旨在对相关性指标的选择进行限制。在此基础上，步骤S109可以求取计算得到的四个第一相关性指标的平均值。

在本实施例中，平均值大于第二阈值时，可以说明分割子图与中心子图的相关性较高，进而可以说明待检图像自身相关性较高，属于遮挡场景的概率较高，于是，可以确定摄像头被遮挡；而当平均值不大于第二阈值时，可以说明分割子图与中心子图的相关性较低，进而可以说明待检图像自身相关性较低，属于未遮挡场景的概率较高，于是，可以确定摄像头未被遮挡。

在本实施例中，第二阈值可以根据实际应用自定义设置。例如，在本实施例中，第二阈值优选取值为0.35(经测试验证，第二阈值取值为0.35时可以取得较佳效果)。

在实施例1的基础上，本实施例进一步对梯度分布不集中的待检图像进行分析处理，并从中划分出待检图像的梯度分布较为广泛的情形，以及介于集中与广泛之间的情形，并在此基础上，还利用子图像相关性来作为待检图像特征分析的指标，其中，子图像相关性既有利于选择合适的阈值，还有利于对实际应用场景的适用与移植。从而，本实施例有利于提高判断摄像头是否被遮挡的准确性与可靠性，避免发生误判。

实施例3

在实施例2的基础上，本实施例提供一种无参考图像检测方法，参照图6，本实施例在步骤S110判断为是时还包括：

S111、统计待检图像中处于过曝状态的像素点的第一数量；

S112、统计待检图像中所有像素点的第二数量；

S113、判断第一数量与第二数量的比值是否小于第三阈值；

若是，则执行步骤S103；

若否，则执行步骤S105。

在本实施例中，像素点处于过曝状态的判断条件可以根据实际应用自定义设置。例如，若经预处理的待检图像中的灰度取值范围为0-255，则可以将灰度值>250的像素点确定为处于过曝状态的像素点。

在本实施例中，第一数量与第二数量的比值小于第三阈值时，可以说明待检图像并未处于过曝状态，导致待检图像自身相关性较高的原因极大可能是摄像头被遮挡；而当第一数量与第二数量的比值不小于第三阈值时，可以说明待检图像处于过曝状态，导致待检图像自身相关性较高的原因极大可能是过曝，而非摄像头被遮挡，于是，可以确定摄像头未被遮挡。

在本实施例中，第三阈值可以根据实际应用自定义设置。例如，在本实施例中，第三阈值优选0.05(经测试验证，第三阈值取值为0.05时可以取得较佳效果)。

考虑到过曝状态会导致图像自身对比度的降低，或者，图像自身相关性较高，本实施例基于对经预处理的待检图像的局部亮度的计算，进一步对自身相关性较高的待检图像作进一步的判断，以排除由于过曝而非摄像头被遮挡所导致的自身相关性较高的情形，能够在实施例2的基础上，进一步提高判断摄像头是否被遮挡的准确性与可靠性，避免发生误判。

实施例4

本实施例提供一种用于检测摄像头是否被遮挡的图像检测方法，其利用实施例1-3中任一实施例提供的无参考图像检测方法实现，参照图7，本实施例的图像检测方法包括：

S401、获取待检图像的目标识别结果；

S402、判断目标识别结果是否为有目标；

若是，则执行步骤S403；

若否，则执行实施例1-3中任一实施例提供的无参考图像检测方法；

S403、确定摄像头未被遮挡。

在本实施例中，基于对待检图像的目标识别来确定待检图像的后续处理方式，具体地，当从待检图像中识别到目标时，可以确定摄像头未被遮挡，否则也无法识别到目标的存在；而当无法从待检图像中识别到目标时，则可以执行实施例1-3中任一实施例提供的无参考图像检测方法，来检测摄像头是否被遮挡。

在本实施例中，可以根据实际应用自定义设置待识别的目标。例如，在驾驶环境中，需要对驾驶员的行为进行监控，则优选将待识别的目标设置为人脸。

本实施例并未无差别地依赖于对摄像头采集到的待检图像的特征分析来实现图像检测，而是实现了对待检图像的差异化处理，占用资源少，检测速度快，具体地，本实施例可以参考对待检图像的目标识别结果，并且在此基础上，仅对未能识别到目标的待检图像进行特征分析，有利于减小图像检测所需的计算量，减少对运行系统的资源占用以及性能影响。

实施例5

本实施例提供一种用于检测摄像头是否被遮挡的图像检测方法，其利用实施例1-3中任一实施例提供的无参考图像检测方法实现，参照图8，本实施例的图像检测方法包括：

S501、获取摄像头采集到的参考图像以及参考图像的图像特征；

S502、获取摄像头采集到的待检图像以及待检图像的图像特征；

S503、基于图像特征计算参考图像与待检图像的第二相关性指标；

S504、判断第二相关性指标是否小于第四阈值；

若是，则执行实施例1-3中任一实施例提供的无参考图像检测方法；

若否，则执行步骤S505；

S505、确定摄像头未被遮挡。

由于摄像头的安装场景(例如，车载监控场景下安装摄像头的驾驶室)相对稳定，可以基于待检图像与参考图像的相关性高低来确定待检图像的后续处理方式。具体地，当待检图像与参考图像的相关性较高时，可以确定摄像头未被遮挡；而当待检图像与参考图像的相关性较低时，则可以执行实施例1-3中任一实施例提供的无参考图像检测方法，来检测摄像头是否被遮挡。

具体地，在摄像头安装完毕后，可以利用摄像头预先采集实际应用场景的图像作为参考图像。

此后，为了提高图像检测速度与效果，还可以对参考图像进行预处理，具体地，可以首先将参考图像转化为灰度图像；继而对灰度图像进行降采样处理，以提高图像处理速度，减少资源占用，其中，水平降采样因子和垂直降采样因子可以根据实际应用自定义设置，例如，可以均取值为2；可以对经降采样的灰度图像进行滤波处理，以降低噪声对后续计算的干扰，其中，具体滤波处理方式可以根据实际应用自定义设置，例如，在本实施例中可以采用高斯降噪，更具体地，可以选用3*3的高斯核，并将sigma设置为4.0。

最后，计算并保存经预处理的参考图像的相关性特征信息，其中，相关性特征信息可以根据实际应用自定义设置，例如，可以包括直方图、水平投影以及垂直投影中的至少一种。

应当理解，为了切实得到参考图像与待检图像的第二相关性指标，待检图像与参考图像的预处理方式以及图像特征的获取方式均相同。

在本实施例中，图像特征优选同时包括直方图、水平投影以及垂直投影，步骤S503具体可以包括，计算待检图像的直方图与参考图像的直方图的第二相关性指标，计算待检图像的水平投影与参考图像的水平投影的第二相关性指标，计算待检图像的垂直投影与参考图像的水平投影的第二相关性指标。

在本实施例中，第二相关性指标优选归一化互相关，并且不同图像特征优选对应不同的权重，例如，直方图所对应的归一化互相关的权重可以取值为0.2，水平投影所对应的归一化互相关的权重可以取值为0.4，垂直投影所对应的归一化互相关的权重可以取值为0.2。

在本实施例中，第二相关性指标小于第四阈值时，即待检图像与参考图像的相关性较低，可以执行实施例1-3中任一实施例提供的无参考图像检测方法，来检测摄像头是否被遮挡；而当第二相关性指标不小于第四指标时，即待检图像与参考图像的相关性较高，可以确定摄像头未被遮挡。

在本实施例中，第四阈值可以根据实际应用自定义设置。例如，在本实施例中，第四阈值优选取值为0.45(经测试验证，第四阈值取值为0.45时可以取得较佳效果)。

本实施例并未无差别地依赖于对摄像头采集到的待检图像的特征分析来实现图像检测，而是实现了对待检图像的差异化处理，占用资源少，检测速度快，具体地，本实施例可以结合同一摄像头采集到的待检图像与参考图像的相关性高低，并且在此基础上，仅对与参考图像相关性较低的待检图像进行特征分析，有利于减小图像检测所需的计算量，减少对运行系统的资源占用以及性能影响。

实施例6

在实施例5的基础上，本实施例提供一种图像检测方法，参照图9，本实施例在步骤S501之前还包括：

S506、获取待检图像的目标识别结果；

S507、判断目标识别结果是否为有目标；

若是，则执行步骤S505；

若否，则执行步骤S501。

在本实施例中，还基于对待检图像的目标识别来确定待检图像的后续处理方式，具体地，当从待检图像中识别到目标时，可以确定摄像头未被遮挡，否则也无法识别到目标的存在；而当无法从待检图像中识别到目标时，则可以执行实施例5提供的有参考的图像检测方法，来检测摄像头是否被遮挡。

在本实施例中，可以根据实际应用自定义设置待识别的目标。例如，在驾驶环境中，需要对驾驶员的行为进行监控，则优选将待识别的目标设置为人脸。

本实施例并未无差别地依赖于对摄像头采集到的待检图像的特征分析来实现图像检测，而是实现了对待检图像的差异化处理，进而实现了对运行系统资源的最合理利用以及检测速度的有效提高。具体地，在识别到目标时，可以径直确定摄像头未被遮挡，也就完全不占用资源；在未识别到目标时，仅需进行简单的相关性计算即可反馈待检图像与参考图像的相关性，占用较少的资源；当且仅当待检图像与参考图像的相关性较低并且未识别到目标时，才进行相对复杂的图像特征计算，占用较多的资源。

本实施例选择了有效的参考以及待检图像特征分析的指标，参数调试难度小，有利于选择合适的阈值，有利于对实际应用场景的适用与移植，从而有利于提高判断摄像头是否被遮挡的准确性与可靠性，避免发生误判。

实施例7

本实施例提供一种摄像头遮挡监控方法，具体地，本实施例提供的摄像头遮挡监控方法利用如实施例1-3中任一实施例提供的无参考图像检测方法实现，或者利用如实施例4-6中任一实施例提供的图像检测方法实现，摄像头遮挡监控方法包括：在确定摄像头被遮挡时，发出预警信号的步骤。

本实施例能够对摄像头是否被遮挡进行实时监测，并且能够在摄像头被遮挡的状态下发出预警，以确保监控的有效性以及驾驶的安全性。

实施例8

本实施例提供一种无参考图像检测系统，用于检测摄像头是否被遮挡，参照图10，本实施例的无参考图像检测系统包括：

第一获取模块101，用于获取摄像头采集到的待检图像的梯度分布；

第一判断模块102，用于判断梯度分布是否集中；

若是，则调用第一确定模块103，用于确定摄像头被遮挡。

参照图10，在本实施例中，为了提高图像检测速度与效果，第一获取模块101具体可以包括：

预处理单元1011，用于对摄像头采集到的待检图像进行预处理；

获取单元1012，用于获取经预处理的待检图像的梯度分布。

在本实施例中，预处理可以包括灰度化、降采样以及滤波中的至少一种。作为一种优选的实现方式，预处理可以同时包括对待检图像的灰度化、降采样以及滤波。具体地，可以首先将摄像头采集到的待检图像转化为灰度图像；继而对灰度图像进行降采样处理，以提高图像处理速度，减少资源占用，其中，水平降采样因子和垂直降采样因子可以根据实际应用自定义设置，例如，可以均取值为2；最后，可以对经降采样的灰度图像进行滤波处理，以降低噪声对后续计算的干扰，其中，具体滤波处理方式可以根据实际应用自定义设置，例如，在本实施例中可以采用高斯降噪，更具体地，可以选用3*3的高斯核，并将sigma设置为4.0。

参照图10，在本实施例中，获取单元1012可以包括：

提取子单元10121，用于提取待检图像的梯度；

确定子单元10122，用于确定梯度的离散程度。

第一判断模块102可以包括：

第一判断单元1021，用于判断离散程度是否小于第一阈值；

若是，则调用第一确定单元1022，用于确定梯度分布集中。

在本实施例中，可以使用scharr算子来计算待检图像的梯度。进一步地，在本实施例中，还可以对梯度计算结果进行弱梯度值过滤，具体地，可以通过将提取子单元10121计算得到的梯度除以参数N的方式进行弱梯度值过滤，其中，参数N可以根据实际应用自定义设置，例如，在本实施例中，参数N优选取值为16(经测试验证，参数N取值为16时可以取得较佳效果)。

在本实施例中，可以根据实际应用自定义设置用于表示离散程度的指标以及对应的第一阈值，例如，可以采用标准差、方差等指标来表示离散程度。具体地，在本实施例中，优选采用标准差来表示离散程度，此时，第一阈值优选取值为1.6(经测试验证，第一阈值取值为1.6时可以取得较佳效果)，应当理解，本实施例并不旨在对离散程度的具体表示方式以及第一阈值的取值进行限制。

在本实施例中，在离散程度小于第一阈值时，可以说明待检图像的梯度分布比较集中，属于遮挡场景的概率较高，于是，可以确定摄像头被遮挡。

本实施例采用梯度分布来作为待检图像特征分析的指标，其中，梯度分布能够选择合适的阈值，从而能够在摄像头被遮挡时做出准确、可靠判断，此外，梯度分布对实际应用场景的适用性、可移植性较强，不容易发生误判。

实施例9

在实施例8的基础上，本实施例提供一种无参考图像检测系统，参照图11，本实施例的无参考图像检测系统还包括：

第四判断模块104，用于在第一判断模块102判断为否时，判断梯度分布是否广泛；

若是，则调用第二确定模块105，用于确定摄像头未被遮挡。

参照图11，本实施例第四判断模块104具体可以包括：

第二判断单元1041，用于判断离散程度是否大于第五阈值；

若是，则调用第二确定单元1042，用于确定梯度分布广泛。

在实施例8采用标准差来表示梯度的离散程度的基础上，第五阈值优选取值为4.5(经测试验证，第五阈值取值为4.5时可以取得较佳效果)，应当理解，本实施例并不旨在对第五阈值的取值进行限制。在本实施例中，在离散程度大于第五阈值时，可以说明待检图像的梯度分布比较广泛，属于未遮挡场景，也即，正常场景的概率较高，于是，可以确定摄像头未被遮挡。

参照图11，本实施例的无参考图像检测系统还包括：

分割模块106，用于在第四判断模块104判断为否时，也即，待检图像的梯度分布介于集中与广泛之间时，将待检图像分割为多个分割子图；

第二获取模块107，用于获取待检图像与分割子图对应的中心子图；

第一计算模块108，用于分别计算多个分割子图与中心子图的第一相关性指标；

第二计算模块109，用于计算多个第一相关性指标的平均值；

第二判断模块110，用于判断平均值是否大于第二阈值；

若是，则调用第一确定模块103；

若否，则调用第二确定模块105。

在本实施例中，可以根据实际应用自定义设置待检图像的分割方式。例如，在本实施例中，优选将待检图像分割为四个子图，具体地，将经预处理的待检图像的宽设为w，高设为h，有四个分割子图的起点坐标分别为(0，0)、(0，w/2)、(w/2，0)和(w/2，h/2)，其中，每个分割子图的宽为w/2，高为h/2，有中心子图的起点坐标为(w/4，h/4)，中心子图的宽为w/2，高为h/2。应当理解，分割子图以及中心子图的具体参数由经预处理的待检图像确定。

本实施例中第一计算模块108具体可以包括用于对多个分割子图以及中心子图进行投影的投影单元，其中，投影具体可以实现为水平投影/垂直投影。此外，本实施例中第一计算模块108还可以包括用于分别计算经投影后的多个分割子图与经投影后的中心子图的第一相关性指标的计算单元，其中，第一相关性指标优选采用归一化互相关，应当理解，本实施例也可以采用其他能够表示图像相关性/相似性的指标，本实施例并不旨在对相关性指标的选择进行限制。在此基础上，第二计算模块109可以求取计算得到的四个第一相关性指标的平均值。

在本实施例中，平均值大于第二阈值时，可以说明分割子图与中心子图的相关性较高，进而可以说明待检图像自身相关性较高，属于遮挡场景的概率较高，于是，可以确定摄像头被遮挡；而当平均值不大于第二阈值时，可以说明分割子图与中心子图的相关性较低，进而可以说明待检图像自身相关性较低，属于未遮挡场景的概率较高，于是，可以确定摄像头未被遮挡。

在本实施例中，第二阈值可以根据实际应用自定义设置。例如，在本实施例中，第二阈值优选取值为0.35(经测试验证，第二阈值取值为0.35时可以取得较佳效果)。

在实施例8的基础上，本实施例进一步对梯度分布不集中的待检图像进行分析处理，并从中划分出待检图像的梯度分布较为广泛的情形，以及介于集中与广泛之间的情形，并在此基础上，还利用子图像相关性来作为待检图像特征分析的指标，其中，子图像相关性既有利于选择合适的阈值，还有利于对实际应用场景的适用与移植。从而，本实施例有利于提高判断摄像头是否被遮挡的准确性与可靠性，避免发生误判。

实施例10

在实施例9的基础上，本实施例提供一种无参考图像检测系统，参照图12，本实施例的无参考图像检测系统还包括：

第一统计模块111，用于在第二判断模块110判断为是时，统计待检图像中处于过曝状态的像素点的第一数量；

第二统计模块112，用于在第二判断模块110判断为是时，统计待检图像中所有像素点的第二数量；

第三判断模块113，用于判断第一数量与第二数量的比值是否小于第三阈值；

若是，则调用第一确定模块103；

若否，则调用第二确定模块105。

在本实施例中，像素点处于过曝状态的判断条件可以根据实际应用自定义设置。例如，若经预处理的待检图像中的灰度取值范围为0-255，则可以将灰度值>250的像素点确定为处于过曝状态的像素点。

在本实施例中，第一数量与第二数量的比值小于第三阈值时，可以说明待检图像并未处于过曝状态，导致待检图像自身相关性较高的原因极大可能是摄像头被遮挡；而当第一数量与第二数量的比值不小于第三阈值时，可以说明待检图像处于过曝状态，导致待检图像自身相关性较高的原因极大可能是过曝，而非摄像头被遮挡，于是，可以确定摄像头未被遮挡。

在本实施例中，第三阈值可以根据实际应用自定义设置。例如，在本实施例中，第三阈值优选0.05(经测试验证，第三阈值取值为0.05时可以取得较佳效果)。

考虑到过曝状态会导致图像自身对比度的降低，或者，图像自身相关性较高，本实施例基于对经预处理的待检图像的局部亮度的计算，进一步对自身相关性较高的待检图像作进一步的判断，以排除由于过曝而非摄像头被遮挡所导致的自身相关性较高的情形，能够在实施例9的基础上，进一步提高判断摄像头是否被遮挡的准确性与可靠性，避免发生误判。

实施例11

本实施例提供一种用于检测摄像头是否被遮挡的图像检测系统，其利用实施例8-10中任一实施例提供的无参考图像检测系统1实现，参照图13，本实施例的图像检测系统包括：

第三获取模块401、获取待检图像的目标识别结果，目标检测结果包括有目标；

第五判断模块402、判断目标识别结果是否为有目标；

若是，则调用第三确定模块403，用于确定摄像头未被遮挡；

若否，则调用实施例8-10中任一实施例提供的无参考图像检测系统1。

在本实施例中，基于对待检图像的目标识别来确定待检图像的后续处理方式，具体地，当从待检图像中识别到目标时，可以确定摄像头未被遮挡，否则也无法识别到目标的存在；而当无法从待检图像中识别到目标时，则可以调用实施例8-10中任一实施例提供的无参考图像检测系统1，来检测摄像头是否被遮挡。

在本实施例中，可以根据实际应用自定义设置待识别的目标。例如，在驾驶环境中，需要对驾驶员的行为进行监控，则优选将待识别的目标设置为人脸。

本实施例并未无差别地依赖于对摄像头采集到的待检图像的特征分析来实现图像检测，而是实现了对待检图像的差异化处理，占用资源少，检测速度快，具体地，本实施例可以参考对待检图像的目标识别结果，并且在此基础上，仅对未能识别到目标的待检图像进行特征分析，有利于减小图像检测所需的计算量，减少对运行系统的资源占用以及性能影响。

实施例12

本实施例提供一种用于检测摄像头是否被遮挡的图像检测系统，其利用实施例8-10中任一实施例提供的无参考图像检测系统1实现，参照图14，本实施例的图像检测系统包括：

第四获取模块501，用于获取摄像头采集到的参考图像以及参考图像的图像特征；

第五获取模块502，用于获取摄像头采集到的待检图像以及待检图像的图像特征；

第三计算模块503，用于基于图像特征计算参考图像与待检图像的第二相关性指标；

第六判断模块504，用于判断第二相关性指标是否小于第四阈值；

若是，则调用实施例8-10中任一实施例提供的无参考图像检测系统1；

若否，则调用第四确定模块505，用于确定摄像头未被遮挡。

由于摄像头的安装场景(例如，车载监控场景下安装摄像头的驾驶室)相对稳定，可以基于待检图像与参考图像的相关性高低来确定待检图像的后续处理方式。具体地，当待检图像与参考图像的相关性较高时，可以确定摄像头未被遮挡；而当待检图像与参考图像的相关性较低时，则可以调用实施例8-10中任一实施例提供的无参考图像检测系统1，来检测摄像头是否被遮挡。

具体地，在摄像头安装完毕后，可以利用摄像头预先采集实际应用场景的图像作为参考图像。

此后，为了提高图像检测速度与效果，还可以对参考图像进行预处理，具体地，可以首先将参考图像转化为灰度图像；继而对灰度图像进行降采样处理，以提高图像处理速度，减少资源占用，其中，水平降采样因子和垂直降采样因子可以根据实际应用自定义设置，例如，可以均取值为2；可以对经降采样的灰度图像进行滤波处理，以降低噪声对后续计算的干扰，其中，具体滤波处理方式可以根据实际应用自定义设置，例如，在本实施例中可以采用高斯降噪，更具体地，可以选用3*3的高斯核，并将sigma设置为4.0。

最后，计算并保存经预处理的参考图像的相关性特征信息，其中，相关性特征信息可以根据实际应用自定义设置，例如，可以包括直方图、水平投影以及垂直投影中的至少一种。

应当理解，为了切实得到参考图像与待检图像的第二相关性指标，待检图像与参考图像的预处理方式以及图像特征的获取方式均相同。

在本实施例中，图像特征优选同时包括直方图、水平投影以及垂直投影，第三计算模块503具体用于计算待检图像的直方图与参考图像的直方图的第二相关性指标，用于计算待检图像的水平投影与参考图像的水平投影的第二相关性指标，还用于计算待检图像的垂直投影与参考图像的水平投影的第二相关性指标。

在本实施例中，第二相关性指标优选归一化互相关，并且不同图像特征优选对应不同的权重，例如，直方图所对应的归一化互相关的权重可以取值为0.2，水平投影所对应的归一化互相关的权重可以取值为0.4，垂直投影所对应的归一化互相关的权重可以取值为0.2。

在本实施例中，第二相关性指标小于第四阈值时，即待检图像与参考图像的相关性较低，可以调用实施例8-10中任一实施例提供的无参考图像检测系统，来检测摄像头是否被遮挡；而当第二相关性指标不小于第四指标时，即待检图像与参考图像的相关性较高，可以确定摄像头未被遮挡。

在本实施例中，第四阈值可以根据实际应用自定义设置。例如，在本实施例中，第四阈值优选取值为0.45(经测试验证，第四阈值取值为0.45时可以取得较佳效果)。

本实施例并未无差别地依赖于对摄像头采集到的待检图像的特征分析来实现图像检测，而是实现了对待检图像的差异化处理，占用资源少，检测速度快，具体地，本实施例可以结合同一摄像头采集到的待检图像与参考图像的相关性高低，并且在此基础上，仅对与参考图像相关性较低的待检图像进行特征分析，有利于减小图像检测所需的计算量，减少对运行系统的资源占用以及性能影响。

实施例13

在实施例12的基础上，本实施例提供一种图像检测系统，参照图15，本实施例的图像检测系统还包括：

第六获取模块506，用于获取待检图像的目标识别结果；

第七判断模块507，用于判断目标识别结果是否为有目标；

若是，则调用第四确定模块505；

若否，则调用第四获取模块501。

在本实施例中，还基于对待检图像的目标识别来确定待检图像的后续处理方式，具体地，当从待检图像中识别到目标时，可以确定摄像头未被遮挡，否则也无法识别到目标的存在；而当无法从待检图像中识别到目标时，则可以调用实施例12提供的有参考的图像检测系统，来检测摄像头是否被遮挡。

在本实施例中，可以根据实际应用自定义设置待识别的目标。例如，在驾驶环境中，需要对驾驶员的行为进行监控，则优选将待识别的目标设置为人脸。

本实施例并未无差别地依赖于对摄像头采集到的待检图像的特征分析来实现图像检测，而是实现了对待检图像的差异化处理，进而实现了对运行系统资源的最合理利用以及检测速度的有效提高。具体地，在识别到目标时，可以径直确定摄像头未被遮挡，也就完全不占用资源；在未识别到目标时，仅需进行简单的相关性计算即可反馈待检图像与参考图像的相关性，占用较少的资源；当且仅当待检图像与参考图像的相关性较低并且未识别到目标时，才进行相对复杂的图像特征计算，占用较多的资源。

本实施例选择了有效的参考以及待检图像特征分析的指标，参数调试难度小，有利于选择合适的阈值，有利于对实际应用场景的适用与移植，从而有利于提高判断摄像头是否被遮挡的准确性与可靠性，避免发生误判。

实施例14

本实施例提供一种摄像头遮挡监控系统，具体地，本实施例提供的摄像头遮挡监控系统利用如实施例8-10中任一实施例提供的无参考图像检测系统实现实现，或者利用如实施例11-13中任一实施例提供的图像检测系统实现，摄像头遮挡监控系统包括：预警模块，用于在确定摄像头被遮挡时，发出预警信号的步骤。

本实施例能够对摄像头是否被遮挡进行实时监测，并且能够在摄像头被遮挡的状态下发出预警，以确保监控的有效性以及驾驶的安全性。

实施例15

本实施例提供一种电子设备，电子设备可以通过计算设备的形式表现(例如可以为服务器设备)，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中处理器执行计算机程序时可以实现实施例1-3中任一实施例提供的无参考图像检测方法，或者实施例4-6中任一实施例提供的图像检测方法，或者实施例7提供的摄像头遮挡监控方法。

图16示出了本实施例的硬件结构示意图，如图16所示，电子设备9具体包括：

至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93，其中：

总线93包括数据总线、地址总线和控制总线。

存储器92包括易失性存储器，例如随机存取存储器(RAM)921和/或高速缓存存储器922，还可以进一步包括只读存储器(ROM)923。

存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925，这样的程序模块924包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

处理器91通过运行存储在存储器92中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1-3中任一实施例提供的无参考图像检测方法，或者实施例4-6中任一实施例提供的图像检测方法，或者实施例7提供的摄像头遮挡监控方法。

电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且，电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备9使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

实施例16

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1-3中任一实施例提供的无参考图像检测方法的步骤，或者实施例4-6中任一实施例提供的图像检测方法的步骤，或者实施例7提供的摄像头遮挡监控方法的步骤。

其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。

在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1-3中任一实施例提供的无参考图像检测方法的步骤，或者实施例4-6中任一实施例提供的图像检测方法的步骤，或者实施例7提供的摄像头遮挡监控方法的步骤。

其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (18)

1.一种无参考图像检测方法，用于检测摄像头是否被遮挡，其特征在于，所述无参考图像检测方法包括：

获取所述摄像头采集到的待检图像的梯度分布；

判断所述梯度分布是否集中；

若是，则确定所述摄像头被遮挡；

所述无参考图像检测方法还包括：

将所述待检图像分割为多个分割子图；

获取所述待检图像与所述分割子图对应的中心子图；

分别计算多个所述分割子图与所述中心子图的第一相关性指标；

计算多个所述第一相关性指标的平均值；

判断所述平均值是否大于第二阈值；

若是，则执行所述确定所述摄像头被遮挡的步骤。

2.如权利要求1所述的无参考图像检测方法，其特征在于，所述获取所述摄像头采集到的待检图像的梯度分布的步骤包括：

提取所述待检图像的梯度；

确定所述梯度的离散程度；

所述判断所述梯度分布是否集中的步骤包括：

判断所述离散程度是否小于第一阈值；

若是，则确定所述梯度分布集中。

3.如权利要求1所述的无参考图像检测方法，其特征在于，所述分别计算多个所述分割子图与所述中心子图的第一相关性指标的步骤包括：

对多个所述分割子图以及所述中心子图进行投影；

分别计算经投影后的多个所述分割子图与经投影后的所述中心子图的第一相关性指标；

和/或，

在所述判断所述平均值是否大于第二阈值的步骤判断为是时，所述无参考图像检测方法还包括：

统计所述待检图像中处于过曝状态的像素点的第一数量；

统计所述待检图像中所有像素点的第二数量；

判断所述第一数量与第二数量的比值是否小于第三阈值；

若是，则执行所述确定所述摄像头被遮挡的步骤；

若否，则确定所述摄像头未被遮挡；

和/或，

在所述判断所述平均值是否大于第二阈值的步骤判断为否时，所述无参考图像检测方法还包括：

确定所述摄像头未被遮挡；

和/或，

所述第一相关性指标包括归一化互相关。

4.如权利要求1所述的无参考图像检测方法，其特征在于，所述获取所述摄像头采集到的待检图像的梯度分布的步骤包括：

对所述摄像头采集到的待检图像进行预处理，所述预处理包括灰度化、降采样以及滤波中的至少一种；

获取经预处理的所述待检图像的梯度分布；

和/或，

在所述判断所述梯度分布是否集中的步骤判断为否时，所述无参考图像检测方法还包括：

判断所述梯度分布是否广泛；

若是，则确定所述摄像头未被遮挡。

5.一种图像检测方法，用于检测摄像头是否被遮挡，其特征在于，所述图像检测方法包括：

获取所述摄像头采集到的待检图像的目标识别结果，所述目标识别结果包括有目标；

判断所述目标识别结果是否为有目标；

若是，则确定所述摄像头未被遮挡；

若否，则执行如权利要求1-4中任一项所述的无参考图像检测方法。

6.一种图像检测方法，用于检测摄像头是否被遮挡，其特征在于，所述图像检测方法包括：

获取所述摄像头采集到的参考图像以及所述参考图像的图像特征；

获取所述摄像头采集到的待检图像以及所述待检图像的图像特征；

基于所述图像特征计算所述参考图像与所述待检图像的第二相关性指标；

判断所述第二相关性指标是否小于第四阈值；

若是，则执行如权利要求1-4中任一项所述的无参考图像检测方法；

若否，则确定所述摄像头未被遮挡。

7.如权利要求6所述的图像检测方法，其特征在于，所述图像特征包括直方图、垂直投影、水平投影中的至少一种；

和/或，

在所述获取所述摄像头采集到的参考图像以及所述参考图像的图像特征的步骤之前还包括：

获取待检图像的目标识别结果，所述目标识别结果包括有目标；

判断所述目标识别结果是否为有目标；

若是，则执行所述确定所述摄像头未被遮挡的步骤；

若否，则执行所述获取所述摄像头采集到的参考图像以及所述参考图像的图像特征的步骤。

8.一种摄像头遮挡监控方法，其特征在于，所述摄像头遮挡监控方法利用如权利要求1-4中任一项所述的无参考图像检测方法实现，或者利用如权利要求5-7中任一项所述的图像检测方法实现，所述摄像头遮挡监控方法包括：

在确定摄像头被遮挡时，发出预警信号。

9.一种无参考图像检测系统，用于检测摄像头是否被遮挡，其特征在于，所述无参考图像检测系统包括：

第一获取模块，用于获取所述摄像头采集到的待检图像的梯度分布；

第一判断模块，用于判断所述梯度分布是否集中；

若是，则调用第一确定模块，用于确定所述摄像头被遮挡；

所述无参考图像检测系统还包括：

分割模块，用于在所述第一判断模块判断为否时，将所述待检图像分割为多个分割子图；

第二获取模块，用于获取所述待检图像与所述分割子图对应的中心子图；

第一计算模块，用于分别计算多个所述分割子图与所述中心子图的第一相关性指标；

第二计算模块，用于计算多个所述第一相关性指标的平均值；

第二判断模块，用于判断所述平均值是否大于第二阈值；

若是，则调用所述第一确定模块。

10.如权利要求9所述的无参考图像检测系统，其特征在于，所述第一获取模块包括：

提取单元，用于提取所述待检图像的梯度；

确定单元，用于确定所述梯度的离散程度；

所述第一判断模块包括：

判断单元，用于判断所述离散程度是否小于第一阈值；

若是，则调用确定单元，用于确定所述梯度分布集中。

11.如权利要求9所述的无参考图像检测系统，其特征在于，所述第一计算模块包括：

投影单元，用于对多个所述分割子图以及所述中心子图进行投影；

计算单元，用于分别计算经投影后的多个所述分割子图与经投影后的所述中心子图的第一相关性指标；

和/或，

所述无参考图像检测系统还包括：

第一统计模块，用于在所述第二判断模块判断为是时，统计所述待检图像中处于过曝状态的像素点的第一数量；

第二统计模块，用于在所述第二判断模块判断为是时，统计所述待检图像中所有像素点的第二数量；

第三判断模块，用于判断所述第一数量与第二数量的比值是否小于第三阈值；

若是，则调用所述第一确定模块；

若否，则调用第二确定模块，用于确定所述摄像头未被遮挡；

和/或，

所述无参考图像检测系统还包括：

第二确定模块，用于在所述第二判断模块判断为否时，确定所述摄像头未被遮挡；

和/或，

所述第一相关性指标包括归一化互相关。

12.如权利要求9所述的无参考图像检测系统，其特征在于，所述第一获取模块包括：

预处理单元，用于对所述摄像头采集到的待检图像进行预处理，所述预处理包括灰度化、降采样以及滤波中的至少一种；

获取单元，用于获取经预处理的所述待检图像的梯度分布；

和/或，

所述无参考图像检测系统还包括：

第四判断模块，用于在所述第一判断模块判断为否时，判断所述梯度分布是否广泛；

若是，则调用第二确定模块，用于确定所述摄像头未被遮挡。

13.一种图像检测系统，用于检测摄像头是否被遮挡，其特征在于，所述图像检测系统包括：

第三获取模块，用于获取所述摄像头采集到的待检图像的目标识别结果，所述目标识别结果包括有目标；

第五判断模块，用于判断所述目标识别结果是否为有目标；

若是，则调用第三确定模块，用于确定所述摄像头未被遮挡；

若否，则调用如权利要求9-12中任一项所述的无参考图像检测系统。

14.一种图像检测系统，用于检测摄像头是否被遮挡，其特征在于，所述图像检测系统包括：

第四获取模块，用于获取所述摄像头采集到的参考图像以及所述参考图像的图像特征；

第五获取模块，用于获取所述摄像头采集到的待检图像以及所述待检图像的图像特征；

第三计算模块，用于基于所述图像特征计算所述参考图像与所述待检图像的第二相关性指标；

第六判断模块，用于判断所述第二相关性指标是否小于第四阈值；

若是，则调用如权利要求9-12中任一项所述的无参考图像检测系统；

若否，则调用第四确定模块，用于确定所述摄像头未被遮挡。

15.如权利要求14所述的图像检测系统，其特征在于，所述图像特征包括直方图、垂直投影、水平投影中的至少一种；

和/或，

所述图像检测系统还包括：

第六获取模块，用于获取待检图像的目标识别结果，所述目标识别结果包括有目标；

第七判断模块，用于判断所述目标识别结果是否为有目标；

若是，则调用所述第四确定模块；

若否，则调用所述第四获取模块。

16.一种摄像头遮挡监控系统，其特征在于，所述摄像头遮挡监控系统利用如权利要求9-12中任一项所述的无参考图像检测系统实现，或者利用如权利要求13-15中任一项所述的图像检测系统实现，所述摄像头遮挡监控系统包括：

预警模块，用于在确定摄像头被遮挡时，发出预警信号。

17.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的无参考图像检测方法，或者，如权利要求5-7中任一项所述的图像检测方法，或者，如权利要求8所述的摄像头遮挡监控方法。

18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的无参考图像检测方法的步骤，或者，如权利要求5-7中任一项所述的图像检测方法的步骤，或者，如权利要求8所述的摄像头遮挡监控方法的步骤。

Images